grammarly2026년 8월 13일

Grammarly Authorship, 이제 Blackboard에서 사용 가능 (새 탭에서 열림)

Grammarly Authorship는 학생 글의 출처와 작성 과정을 기록해 AI 시대의 학업 신뢰를 높이는 도구다. Google Docs에서 시작해 Grammarly Docs, Microsoft Word, Word Online, Canvas, Blackboard로 확장됐으며, AI 생성·복사·직접 작성·생성형 AI로 바꿔 쓴 문장을 구분한다. Grammarly는 Rowan-Cabarrus Community College에서 도입 후 학업 부정행위가 한 학기 만에 27건에서 1건으로 96% 감소했다고 밝혔다. ## Grammarly Authorship의 역할 - 문서 속 텍스트의 출처를 자동으로 분류한다. - 사람이 직접 입력한 글 - AI가 생성한 글 - 외부에서 복사한 글 - Grammarly 생성형 AI로 재작성한 글 - 학생은 자신의 작성 과정을 확인하고, 교수에게 투명한 형태로 공유할 수 있다. - 기존 AI 탐지 도구처럼 결과만 추정하는 대신, 학생의 동의와 작성 과정의 귀속을 중심으로 설계됐다. - 학생은 기록된 작성 데이터를 볼 수 있지만, 보고서 자체를 제출 전에 임의로 수정할 수는 없다. ## 지원되는 작성 환경과 확장 - 2024년 10월 Google Docs 베타로 출시됐다. - 이후 다음 환경으로 확대됐다. - Grammarly Docs - Microsoft Word - Word Online - Google Docs - 문서에 직접 생성된 AI 콘텐츠뿐 아니라, 외부에서 붙여 넣은 AI 생성 콘텐츠도 식별한다. - Word의 Copilot, Google Docs의 Gemini 사용도 기록 대상에 포함된다. - 현재까지 학생들이 500만 건 이상의 Authorship 보고서를 생성했다. ## Blackboard 연동 방식 ### 교수자의 과제 설정 - Blackboard 과제 생성 화면의 **Originality Report** 영역에서 **Enable Grammarly Authorship** 옵션을 켠다. - 별도의 복잡한 절차 없이 과제 단위로 Authorship 보고서 제출을 요구할 수 있다. ### 학생의 작성 및 추적 - 학생은 평소 사용하던 Word, Google Docs, Word Online, Grammarly Docs에서 Authorship 추적을 클릭 한 번으로 활성화한다. - AI 도구 사용이나 외부 텍스트 붙여넣기 시 출처가 자동 기록된다. - 학생은 작성 중 언제든 자신의 Authorship 보고서를 확인할 수 있다. ### 보고서 제출 - 학생이 Authorship 보고서 공유 설정에서 **Anyone with the link**를 선택한다. - 일반적인 Blackboard 과제 제출 과정에서 과제 파일과 보고서 공유 링크를 함께 제출한다. - 교수자는 Blackboard에서 학급 전체의 Authorship 현황을 확인할 수 있다. ### 교수자의 검토 - 모든 학생의 보고서를 일일이 처음부터 열람할 필요 없이 전체적인 현황을 한눈에 볼 수 있다. - 추가 확인이 필요한 학생에 대해서는 작성 과정 재생 기능으로 입력·붙여넣기·AI 사용 흐름을 자세히 살펴볼 수 있다. - 이를 통해 모든 학생을 조사하기보다 특이 사례에 집중할 수 있다. ## 학생·교수·기관에 제공하는 가치 - **학생** - AI를 사용했는지 여부와 관계없이 자신의 사고와 작성 과정을 증명할 수 있다. - 부당한 AI 사용 의심이나 오탐으로부터 자신을 보호할 수 있다. - 출처를 기록하는 습관을 통해 장기적인 AI 활용 능력과 학업 윤리를 기를 수 있다. - **교수자** - 과제별로 Authorship 보고서 제출을 의무화할 수 있다. - 학급 단위 화면에서 전체 제출물을 빠르게 검토할 수 있다. - 의심되는 경우에만 개별 작성 과정을 확인해 채점과 검증에 드는 시간을 줄일 수 있다. - 학업 부정행위 조사를 처벌 중심이 아닌 학습과 대화의 기회로 전환할 수 있다. - **교육기관** - 여러 학과와 캠퍼스에 일관된 학업 신뢰 기준을 적용할 수 있다. - 학생과 교수가 이미 사용하는 작성 도구를 유지하므로 새로운 작업 습관을 강요하지 않아도 된다. - 기관 차원에서 AI 사용을 어떻게 관리하는지 설명할 수 있는 확장 가능한 체계를 마련할 수 있다. ## 도입 현황과 의미 - Blackboard 연동 기능은 Blackboard를 사용하는 Grammarly for Education 기관 전체 플랜 고객에게 제공된다. - 관리자는 LTI를 설치해 Blackboard와 Authorship을 연결할 수 있다. - 글의 결과물만 평가하는 것이 아니라 작성 과정과 출처를 함께 확인함으로써, AI 사용이 일상화된 환경에서 학생과 교수 모두가 더 신뢰할 수 있는 평가 기반을 제공한다. 실무적으로는 단순한 AI 탐지 도구로 사용하기보다, 과제 제출 시 작성 과정 공개를 기본 원칙으로 삼고 의심 사례에 한해 상세 보고서를 검토하는 방식이 효과적이다.

gen-aigrammarlygoogle-docsacademic-integrity+4

grammarly2026년 5월 29일

플로리다대학교 교수는 교실에서 AI와 싸우는 것을 멈췄다: 동료 심사를 거친 연구가 뒤따랐다 (새 탭에서 열림)

AI 시대의 학생 글쓰기를 감시나 탐지보다 과제 설계의 변화로 해결해야 한다는 글이다. 플로리다대 브라이언 하프 교수는 학생들에게 AI 초안을 먼저 작성하게 한 뒤 자신의 관점에 맞게 수정하도록 했고, 310편의 에세이를 분석해 학생들이 실제로 상당한 편집과 사고를 수행한다는 사실을 확인했다. 연구 결과는 AI 사용 자체보다 학생이 AI 결과물을 어떻게 검토하고 재구성했는지가 더 중요하다는 점을 보여준다. ## 설문조사와 AI 탐지기의 한계 - 설문조사는 학생이 교수나 학교가 기대한다고 생각하는 답변에 영향을 받는다. - AI 사용을 긍정적으로 보는 학생은 사용량을 과장할 수 있다. - 처벌을 우려하는 학생은 사용을 축소해 보고할 수 있다. - 여러 차례의 작성·수정 과정에서 AI가 어느 정도 기여했는지 정확히 기억하기도 어렵다. - AI 탐지기는 텍스트가 AI로 작성됐을 가능성을 확률적으로 판단할 뿐, 실제 사용 여부를 확정하지 못한다. - 대부분의 탐지기는 문서 전체에 대한 판정만 제공하며, 어느 부분이 AI 작성인지 또는 AI가 얼마나 기여했는지는 보여주지 않는다. - 결과적으로 기관은 학생들의 AI 사용에 대한 불안은 크지만, 실제 작성 과정에 관한 신뢰할 만한 데이터는 부족하다. ## AI를 배제하지 않고 과제를 재설계하다 - 하프 교수는 AI 사용을 감시하거나 금지하는 대신, 과제 자체에 AI를 포함했다. - “더 나은 인간을 설계할 수 있는가, 그래야 하는가?”라는 강의의 기말 에세이에서 학생들은 다음 과정을 수행했다. - 인간 복제와 유전공학에 관한 AI 생성 초안을 먼저 작성 - 초안을 자신의 견해에 맞게 수정 - 최종 글에 자신의 관점을 반영 - AI 초안을 얼마나 유지하거나 삭제할지는 학생이 결정 - 학생들은 AI 사용 자체로 불이익을 받지 않았기 때문에 사용 사실을 숨길 유인이 줄었다. - 평가의 초점도 “AI를 사용했는가”에서 “AI 결과물을 어떻게 활용하고 비판적으로 수정했는가”로 이동했다. ## 단어 단위 작성 이력을 추적한 Authorship - 하프 교수는 AI 탐지기가 아닌 Grammarly Authorship를 사용했다. - Authorship는 확률적 판정을 내리는 대신 각 문장의 출처를 기록한다. - 학생이 직접 입력한 텍스트 - AI 도구에서 복사한 텍스트 - 다른 출처에서 가져온 텍스트 - 학생들은 에세이와 함께 Authorship 보고서를 제출했다. - replay 기능을 통해 AI 초안이 최종 제출물로 발전하는 과정을 확인할 수 있었다. - 이를 통해 글을 완성된 결과물이 아니라 작성·수정의 과정으로 분석할 수 있었다. ## 310편의 에세이에서 나타난 결과 - 연구 대상은 7개 단과대와 100개가 넘는 전공에 속한 학생들의 에세이 310편이었다. - 학생이 직접 작성한 부분이 많을수록 과제 완료에 더 많은 시간이 걸렸다. - 과제에 투입한 시간과 실제 수정량 사이에 강한 상관관계가 나타났다. - 이는 과제 설계가 학생의 실질적인 참여를 요구할 때 작성 데이터에도 그 흔적이 남는다는 뜻이다. - STEM 전공 학생은 비STEM 학생보다 인간이 작성한 텍스트를 더 많이 생성했다. - 두 집단이 AI 초안의 주장에 동의할 가능성은 비슷했다. - 따라서 단순히 주제에 대한 동의 여부만으로 편집량 차이를 설명하기는 어렵다. - 학업 성취도가 높은 학생일수록 AI 초안을 더 extensively 수정했다. - 이 경향은 모든 전공 분야에서 나타났다. - 수정 깊이는 전공지식보다 전반적인 학업 태도나 비판적 검토 습관과 더 관련 있을 가능성이 있다. - 학생들은 평균적으로 AI 초안의 약 76%를 최종 글에 유지했다. - AI의 주장에 실제로 동의하지 않은 약 5%의 학생들은 훨씬 더 많은 부분을 수정했다. - 자신의 견해가 분명한 학생일수록 AI 초안을 그대로 받아들이기보다 적극적으로 재작성했다. - 310명 중 AI 초안을 전혀 수정하지 않은 학생은 단 2명이었다. - 100% AI 작성 에세이를 제출해도 만점을 받을 수 있도록 허용했음에도 대부분의 학생은 직접 수정했다. - 가장 깊이 참여한 학생들은 학업 성취도도 높은 편이었다. ## 교육기관에 주는 시사점 - 하프 교수의 과제를 그대로 복제할 필요는 없지만, AI를 과제에서 배제하기보다 학습 과정 안에 통합한다는 원칙은 다른 수업에도 적용할 수 있다. - AI 탐지기는 최종 결과에 대한 판정을 제공하지만, 작성 이력 도구는 학생이 어떻게 사고하고 수정했는지 보여준다. - 학생과 교수의 관계를 ‘감시자와 회피자’의 대립에서 작성 과정에 대한 협력적 성찰로 바꿀 수 있다. - 학생이 AI에 사고를 전부 위임할 것이라는 우려와 달리, 명시적으로 AI 사용을 허용해도 많은 학생이 자신의 판단을 반영하기 위해 결과물을 수정했다. - AI의 장점과 한계를 직접 경험하게 하고, 언제 어떻게 사용할지 학생이 판단하도록 가르치는 것이 장기적으로 더 효과적일 수 있다. 과제에 AI 사용을 무조건 금지하기보다는 AI 초안, 학생의 수정 과정, 최종 성찰문을 함께 평가하는 방식이 실용적이다. 특히 작성 이력을 투명하게 기록하면 AI 사용 여부보다 학생의 이해도와 비판적 참여를 더 정확하게 평가할 수 있다.

gen-aiacademic-integritygrammarly-authorshipai-detectors+2

grammarly2026년 1월 29일

에이전틱 AI vs (새 탭에서 열림)

생성형 AI(Generative AI)가 사용자의 프롬프트에 따라 콘텐츠를 제작하는 수준을 넘어, 이제는 스스로 계획하고 행동하는 에이전틱 AI(Agentic AI)로 진화하고 있습니다. 생성형 AI는 아이디어 구상과 초안 작성을 담당하고 에이전틱 AI는 복잡한 다단계 업무를 자율적으로 실행함으로써, 두 기술의 결합은 단순한 결과물 생성을 넘어 실질적인 업무의 완결을 가능하게 합니다. 사용자는 이제 AI를 단순한 답변 도구가 아닌, 목표 달성을 위해 함께 협력하는 자율적인 파트너로 활용할 수 있습니다. ## 생성형 AI와 에이전틱 AI의 핵심 차이 * **역할의 정의**: 생성형 AI는 텍스트, 이미지, 코드 등 새로운 콘텐츠를 만드는 '제작'에 집중하는 반면, 에이전틱 AI는 설정된 목표를 달성하기 위해 스스로 계획을 세우고 실행하는 '행동'에 초점을 맞춥니다. * **자율성의 정도**: 생성형 AI는 사용자의 개별 프롬프트에 즉각 응답하는 수동적 비서와 같으나, 에이전틱 AI는 최소한의 지침만으로 의사결정을 내리고 도구를 사용하며 작업을 완수하는 능동적인 대리인 역할을 수행합니다. * **업무의 범위**: 생성형 AI가 이메일 작성이나 요약 같은 단발성 작업에 강점이 있다면, 에이전틱 AI는 프로젝트 관리나 다단계 연구와 같이 복잡한 워크플로우를 처리하는 데 적합합니다. ## 기술적 작동 원리의 차별점 * **생성형 AI의 토큰 예측**: 대규모 언어 모델(LLM)을 기반으로 다음에 올 가장 확률 높은 토큰(단어 조각)이나 픽셀을 예측하여 새로운 시퀀스를 생성합니다. * **에이전틱 AI의 자율 루프**: '인식(Perceive) - 계획(Plan) - 실행(Act) - 학습(Learn)'으로 이어지는 순환 구조를 따릅니다. 정보를 수집해 계획을 세우고, 앱과 도구를 활용해 실행한 뒤, 결과를 평가하여 다음 단계를 조정합니다. * **피드백 적응력**: 생성형 AI는 입력값에 고정된 결과를 내놓는 경향이 있지만, 에이전틱 AI는 업무 수행 과정에서 발생하는 변수에 맞춰 스스로 전략을 수정하며 목표에 접근합니다. ## 실무 적용 사례와 시너지 * **콘텐츠 생성 활용**: 생성형 AI를 통해 거친 아이디어를 정교한 보고서로 다듬거나, 메모를 기반으로 퀴즈나 스크립트 등 새로운 형식의 자료를 신속하게 제작할 수 있습니다. * **행동 중심의 워크플로우**: 에이전틱 AI는 회의 노트를 바탕으로 프로젝트 일정을 짜고, 담당자를 배정하며, 마감 기한을 추적하고 후속 이메일을 자동으로 발송하는 등의 실질적인 행정 업무를 처리합니다. * **엔드투엔드(End-to-End) 자동화**: 두 AI를 결합하면 생성형 AI가 콘텐츠 초안을 만들고, 에이전틱 AI가 이를 적절한 채널에 배포하고 피드백을 수집하여 관리하는 전체 프로세스의 자동화가 가능해집니다. 결론적으로 사용자는 단순한 '출력물(Output)' 생성에 만족하지 말고 '결과(Results)'를 도출하는 방향으로 AI 활용 전략을 수정해야 합니다. 복잡한 조정 및 관리 업무는 에이전틱 AI에게 맡기고, 인간은 창의적인 전략 수립과 최종 의사결정에 집중함으로써 업무 생산성을 극대화할 수 있습니다. 이미 많은 도구가 이러한 기능을 통합하고 있으므로, 기술적 전문 지식이 없더라도 적극적으로 이러한 자율적 기능을 업무 프로세스에 도입해 보는 것을 추천합니다.

gen-aillmagentic-aiworkflow-automation+2